多車線高速道路における深層強化学習を用いた可変制限速度制御手法の構築

抄録

高速道路における交通渋滞および交通事故は、社会に負の影響をもたらす重要な課題である。本研究では、動的交通流管理（ATM）のメニューである可変制限速度制御（VSL）に着目し、深層強化学習を用いることで渋滞リスクの低減および旅行時間短縮を実現する制御手法を構築した。異なる交通条件下において学習モデルを構築し、その有効性を評価した。分析の結果、従来の固定された制限速度設定と比較して、本研究で提案する学習モデルによる制御では平均旅行時間が短縮されることが確認された。また、モデルの学習精度は学習時の交通量設定に依存することが明らかとなった。さらに、報酬の設計において、個別リンクではなく路線全体の旅行時間を採用することで、より高精度なモデルの構築が可能であることが示された。